33
단위: m 매칭에 사용된 AP 의 개수 (Baseline)
경로 50 60 70 80 90 100 all old_FP
1 3.36 2.68 2.28 2.74 2.91 3.02 3.93 3.53 2 2.86 3.31 3.49 4.23 4.24 4.49 5.05 5.4 3 4.38 4.04 4.29 4.64 3.89 4.13 4.31 4.57 4 5.48 5.33 5.53 6.66 5.97 5.9 7.03 8.08 5 3.04 3.44 4.53 4.73 3.74 3.52 5.24 4.9 6 3.28 2.76 4.15 4.41 3.82 4.55 4.58 3.44 7 3.71 3.31 3.08 3.24 3.69 3.81 4.97 5.16 평균 오차 3.73 3.55 3.91 4.38 4.04 4.2 5.02 5.01 표 5. 후보 패널티 부여 기준이 12m일 때의 측위 오차 비교
단위: m 매칭에 사용된 AP 의 개수 (Baseline)
경로 50 60 70 80 90 100 all old_FP
1 3.36 2.68 2.28 2.74 2.91 3.02 3.93 3.53 2 2.86 3.31 3.49 4.23 4.24 4.49 5.05 5.4 3 4.17 3.68 3.64 4.64 3.89 4.13 4.31 4.57 4 5.66 5.33 6.17 6.98 5.53 5.9 6.65 8.08 5 3.04 3.44 4.53 4.73 3.74 3.52 5.24 4.9 6 2.78 2.76 4.69 4.41 3.83 4.99 4.58 3.44 7 3.71 3.31 3.08 3.24 3.69 3.81 4.97 5.16 평균 오차 3.65 3.5 3.98 4.42 3.98 4.27 4.96 5.01 표 6. 후보 패널티 부여 기준이 15m일 때의 측위 오차 비교
34
기법의 성능을 알아보았다. Wi-Fi RDF 매칭에 BLE 및 지자기 보정 기법을 넣은 것, 보정 기법을 넣지 않은 Wi-Fi RDF 매칭, 그리고 기존 Wi-Fi Fingerprint 매칭 기법을 비교하였다.
단위: m Wi-Fi RDF + 보정
Wi-Fi RDF only
기존 Wi-Fi FP
경로 1 1.7 2.68 3.53
경로 2 1.61 3.31 5.4
경로 3 2.24 3.68 4.57
경로 4 2.75 5.33 8.08
경로 5 1.89 3.44 4.9
경로 6 1.39 2.76 3.44
경로 7 1.52 3.31 5.16
평균 1.87 3.5 5.01
표 7. 보정 방법에 따른 측위 성능 비교
<표 7>에 따르면, BLE와 지자기를 모두 사용한 최종적인 Wi-Fi 기반 측위 기법이 평균 2m 이내의 오차를 기록하고, 지자기
Landmark에서 어느 정도 떨어진 곳으로 이동한 경로 3 및 경로 4의 경우에도 3m 이내의 오차를 기록한 것을 확인할 수 있다.
실험한 공간의 넓이 차이 등을 감안하면, 최근 Microsoft에서 주최하는 실내 측위 대회의 2D 측위 부문에서 입상한 실내 측위 시스템과 맞먹는 수준의 성능을 가졌다고 볼 수 있다.[9][10]
35
그림 10. 실내 측위 기법의 경로 2의 측위 오차 비교
36
제 6 장 결 론
본 논문에서는 Wi-Fi 신호의 특성에 의해 기존 Wi-Fi 기반 측위 기법이 넓고 열린 공간에서 가지는 성능의 한계점을 극복하고자 Wi-Fi 신호의 TDoA 및 실내에서의 사람의 행동 패턴을 이용한 Wi-Fi RDF 매칭과, BLE 및 지자기를 이용하여 Wi-Fi 매칭을 보조해주는 보정 기법을 제안하였다. 제안한 실내 측위 알고리즘을 바탕으로, 사용자가 실내 환경에 익숙하지 않은 상황에서도 가고자 하는 목적지를 찾아낼 수 있도록 유도할 수 있을 것이다.
본 논문에서는 연구 기간의 문제로 실내 공간의 환경 변화가 일어나지않는다고 가정하고 실험을 진행하였다. 실제로는 내부 공사 등에 의해서 장기간에 걸친 실내 공간의 환경 변화에 따라 Wi-Fi RDF 및 지자기 DB가 실내 환경을 잘 반영하지 못하게 되는 문제가 존재하여, 거기에 따라 Wi-Fi RDF 및 지자기 DB를 갱신해야할 필요가 있다. 추후 Wi-Fi 기반 실내 측위 알고리즘의 실용화를 위해서 적은 비용으로도 꾸준히 변화하는 실내 환경을 잘 반영할 수 있도록, 환경 변화 감지를 통해서 자동적으로 Wi-Fi RDF 및 지자기 DB를 갱신하는 알고리즘에 대한 연구를 진행할 예정이다.
37
참고 문헌
[1] P. Bahl and V. N. Padmanabhan. RADAR: An In-Building RF-based User Location and Tracking System. In
Proceedings of IEEE INFOCOM 2000.
[2] S. Jeon et al. Fast and Accurate Wi-Fi Localization in Large-Scale Indoor Venues. In Proceedings of
MOBIQUITOUS 2013.
[3] N. Swangmuang and P. Krishnamurth. Location Fingerprint Analyses Toward Efficient Indoor Positioning. In
Proceedings of IEEE PerCom 2008.
[4] S. Sen et al. Bringing CUPID Indoor Positioning System to Practice. In Proceedings of WWW 2015.
[5] D. Giustiniano et al. Deep Inspection of the Noise in WiFi Time-of-Flight Echo Techniques. In Proceedings of MSWiM 2015.
[6] D. Giustiniano and S. Mangold. CAESAR: Carrier Sense- Based Ranging in Off-The-Shelf 802.11 Wireless LAN. In Proceedings of CoNEXT 2011.
[7] Log Distance Path Loss or Log Normal Shadowing Model.
http://www.gaussianwaves.com/2013/09/log-distance-
38
path-loss-or-log-normal-shadowing-model/
[8] D. Lymberopoulos et al. A Realistic Evaluation and
Comparison of Indoor Location Technologies: Experiences and Lessons Learned. In Proceedings of IPSN 2015.
[9] Microsoft Indoor Localization Competition – IPSN 2015.
http://research.microsoft.com/en- us/events/indoorloccompetition2015/
[10] Microsoft Indoor Localization Competition – IPSN 2016.
http://research.microsoft.com/en- us/events/msindoorloccompetition2016/
[11] N. Brouwers et al. Incremental Wi-Fi Scanning for Energy-Efficient Localization. In Proceedings of IEEE PerCom 2014.
[12] H. Xie et al. Maloc: A Practical Magnetic Fingerprinting Approach to Indoor Localization using Smartphones. In Proceedings of UbiComp 2014.
[13] Android Position Sensors.
https://developer.android.com/guide/topics/sensors/sensors_
position.html
[14] M. Muller. Dynamic Time Warping. In Information
Retrieval for Music and Motion, Berlin, Germany: Springer, 2007, pp. 69-84.
39
Abstract
Indoor Positioning with Refined Wi-Fi Fingerprint Matching and
Environment-Resistive Signals
Duck Ju Kim College of Computer Science & Engineering The Graduate School Seoul National University
As number of Wi-Fi APs inside buildings increases as well as smartphones has commercialized, researches about location- based services (LBSs) has drastically emerged. Therefore, Wi-Fi based indoor positioning techniques which can accurately estimate users’ positions using existing Wi-Fi infrastructures are essential. However, instability of Wi-Fi signal propagations due to structure of buildings, stuffs or walking people inside buildings, and limitations of Wi-Fi design which is not optimized to indoor positioning make difficulties to accurate estimation.